AAAIDec, 2017

高层诱导下的可视化解释：基于答案集编程的机动物体推理

PDF
TL;DR我们提出了一种混合架构，用于系统地计算关于视频数据的鲁棒视觉解释，其中包括假设形成，信念修正和默认推理，并且由紧密集成的两个协同构成：以时间 - 空间为基础的踪迹上的函数回答集规划的诱导推理和基于检测的对象跟踪和动态分析的视觉处理流程。
hybrid architecturevisual explanationabductive reasoningobject trackingmotion analysis
发现论文，激发创造
  • 视而不见不意味着不存在：一种基于答案集程序的自动驾驶视觉理解在线脱附框架

    以人为中心的视觉感知方法是实现自动驾驶的重要组成部分，引入了深度学习和回答集编程技术实现在线视觉感知。

    May, 2019

  • 视觉诱导推理

    本文提出了一种基于可视信息的机器智能推理任务及对应数据集 Visual Abductive Reasoning (VAR)，并基于 VAR 数据集设计了一个基于 causual-and-cascaded reasoning Transformer 模型的强基线模型 Reasoner，用于抽象观测到的信息并推测可能的假设，实验表明 Reasoner 的性能超过多个著名的视觉语言模型，但仍远不及人类表现。

    Mar, 2022

  • 基于显式知识的视觉问答推理

    使用来自大规模知识库的信息来推理图片内容，解释推理过程并回答自然语言问题的视觉问答方法，比主流的长短时记忆方法更能回答复杂问题且表现明显更好，同时提供了数据集和协议来评估这类方法。

    Nov, 2015

  • 视频问答的分层面向对象时空推理

    通过提出一种基于对象导向推理的动态交互视频场景中的视觉物体关系、行为和事件的深度神经网络模型（HOSTR），能够在多个视频问题回答基准数据集中取得最新的最高成就并显示出其可靠性、可解释性和高效性。

    Jun, 2021

  • 神经符号 VQA: 从视觉和语言理解中分离推理

    该论文介绍了神经符号视觉问答系统，结合深度表示学习和符号程序执行，具有更好的数据和内存效率以及对推理过程的全透明度。

    Oct, 2018

  • 通过概率推理和执行进行抽象时空推理

    本文提出了一种神经符号融合的概率演绎和执行学习器，通过分离知觉和推理的过程，使用神经视觉感知前端和符号逻辑推理后端，基于概率场景表示进行概率诱导和执行，实现了复杂的人工智能时空推理任务并提高了泛化能力和答案生成能力。

    Mar, 2021

  • 自动驾驶通用神经符号联合视觉和语义的常识视觉推理

    本文系统地阐述了自动驾驶背景下，系统集成视觉和语义解决方案用于视觉意义建模的需求和潜力，提出了一种通用的神经符号方法，使用 ASP 进行在线视觉意义建模，该方法整合了最先进的视觉计算技术和深度语义学习，是一个可在混合体系结构下用于实时感知和控制的模块化框架，在 KITTIMOD，MOT-2017 和 MOT-2020 等声誉良好的基准测试中进行了评估和论证。

    Dec, 2020

  • 视觉问答中的场景图推理

    我们提出了一种基于场景图和强化学习的方法来解决视觉问答任务，实验结果表明该方法在 GQA 数据集上已达到接近人类水平的效果。

    Jul, 2020

  • 福尔摩斯事件：一个用于视觉拟合推理的数据集

    本文提出了 Sherlock 数据集作为机器人推理能力测试的基础，并在此基础上对机器学习模型的推理能力以及人与机器的差距进行了研究和探讨，结果表明目前的最先进技术还有非常大的提升空间。

    Feb, 2022

  • 基于粗到细的视觉问答推理

    本文提出了一种新的推理框架来填补 VQA 任务中视觉特征和语义线索之间的语义鸿沟，实现了特征和谓词的有效联合学习，并在三个大规模数据集上实现了其他最先进方法无法比拟的准确度，同时还提供了一种可解释的方式来理解深度神经网络在预测答案时的决策。

    Oct, 2021